智能計算機是中國建立自主可控和開放產(chǎn)業(yè)的機會嗎？

智能計算機的發(fā)展淵源

馮?·?諾依曼體系結(jié)構(gòu)（Von Neumann architecture）是現(xiàn)代數(shù)字計算機的基礎(chǔ)結(jié)構(gòu)，而對智能計算機的探索甚至早于馮?·?諾依曼對數(shù)字計算機的探索。計算機產(chǎn)業(yè)的領(lǐng)袖們在馮?·?諾依曼體系結(jié)構(gòu)的基礎(chǔ)上發(fā)展出了一個復(fù)雜而又具有活力的信息技術(shù)產(chǎn)業(yè)體系，深遠(yuǎn)地影響了人類社會生活。而對智能計算機的探索則更多地限于理論層次。

馮?·?諾依曼體系結(jié)構(gòu)的本質(zhì)是以計算單元為中心，同時采用存儲程序原理。也就是說存儲設(shè)備與中央處理器分開，程序指令存儲器和數(shù)據(jù)存儲器合在一起。在馮?·?諾依曼體系結(jié)構(gòu)提出前，計算機需要固定程序，改變程序就需要調(diào)整和變化計算機的結(jié)構(gòu)。馮?·?諾依曼體系結(jié)構(gòu)破除了這種結(jié)構(gòu)限制，憑借它的簡潔和靈活打敗了所有的競爭結(jié)構(gòu)。對智能計算機的探索有時候游離于馮?·?諾依曼體系結(jié)構(gòu)，有時又回歸到這個結(jié)構(gòu)。

1943?年，神經(jīng)生理學(xué)家?Warren McCulloch?和數(shù)學(xué)家?Walter Pitts開始思考大腦中的神經(jīng)元如何工作，第一次使用電路對神經(jīng)網(wǎng)絡(luò)（neural network）建模。他們采用的是模擬計算（analog computation），神經(jīng)元的輸出結(jié)構(gòu)不是?0?或者?1，原理上和現(xiàn)代的數(shù)字計算機顯著不同。

當(dāng)代開展的一些神經(jīng)形態(tài)計算（neuromorphic computing）正是起源于?Warren McCulloch?和?Walter Pitts?的工作。盡管不少神經(jīng)形態(tài)計算的項目仍然基于馮?·?諾依曼體系結(jié)構(gòu)，但神經(jīng)形態(tài)計算的最終目標(biāo)確是要發(fā)展完全不同于馮?·?諾依曼體系結(jié)構(gòu)的硬件類型?？紤]到現(xiàn)有的信息技術(shù)產(chǎn)業(yè)都建立在馮?·?諾依曼體系結(jié)構(gòu)基礎(chǔ)之上，已經(jīng)有大半個世紀(jì)的智力和基礎(chǔ)設(shè)施投資，對神經(jīng)形態(tài)計算的探索短時間內(nèi)恐怕無法獲得回報。從基礎(chǔ)研究的角度，神經(jīng)形態(tài)計算非常有價值，但顯然不適合以大工程的方式開展研究工作。

20?世紀(jì)?80?年代日本開展的第五代計算機計劃（Fifth Generation Computer Systems， FGCS）確實是在馮?·?諾依曼體系結(jié)構(gòu)基礎(chǔ)上開展的一次發(fā)展智能計算機的嘗試。第五代計算機有?2?個發(fā)展動力：①并行計算，即在計算機內(nèi)部引入多處理器提高性能，這后來獲得了產(chǎn)業(yè)上的成功；②大規(guī)模知識處理（Knowledge Information Processing systems），采用邏輯編程（logic programming）來實現(xiàn)這一目標(biāo)。這一努力促進了專家系統(tǒng)這一概念的普及。專家系統(tǒng)包括知識庫和推理引擎——知識表達(dá)為?if－then?規(guī)則的集合，推理引擎則使用邏輯推理規(guī)則。然而，知識規(guī)則的表達(dá)和獲取，需要計算機專家與領(lǐng)域?qū)＜乙黄鸸ぷ?。通常這些規(guī)則是剛性的，難以適應(yīng)現(xiàn)實世界的真實環(huán)境。與此同時，領(lǐng)域知識獲取困難，缺少靈活性，成本又高，這些原因直接導(dǎo)致了日本第五代機計劃的失敗。